题目
A.Python列表不能够实现数组高效运算
B.Numpy和TensorFlow均支持对多维数组的高效运算
C.Numpy不仅支持CPU运算,还支持TPU和GPU的高效运算
D.Tensorflow提供了快速搭建复杂模型的高阶API
第1题
A.Python列表中的元素必须使用相同的数据类型
B.TensorFlow张量可以运行于GPU和TPU上
C.Python列表不适合用来做多维数组数值计算
D.NumPy数组不支持GPU运算
第2题
A.NumPy是一个专门用来处理多维数组的科学计算库
B.NumPy的效率和性能优于Python中的列表和元组
C.NumPy的底层运算通过C语言实现
D.Numpy中的数组和矩阵运算,都需要使用循环来实现
第3题
A.NumPy是一个专门用来处理多维数组的科学计算库
B.NumPy的效率和性能优于Python中的列表和元组
C.NumPy的底层运算通过C语言实现
D.Numpy中的数组和矩阵运算,都需要使用循环来实现
第4题
A.Numpy数组中的元素必须使用相同的数据类型
B.TensorFlow张量可以高速运行于GPU和TPU之上
C.Python列表非常适合用来做数值计算
D.Numpy数组存储在一个连续的内存区域中
第5题
A.a是NumPy数组,b,c,d,e都是TensorFlow张量
B.b是TensorFlow张量,其他都是NumPy数组
C.a,b,c,d,e中有3个NumPy数组
D.a,b,c,d,e中有3个TensorFlow张量
第6题
A.a是NumPy数组,b,c,d,e都是TensorFlow张量
B.b是TensorFlow张量,其他都是NumPy数组
C.a,b,c,d,e中有3个NumPy数组
D.a,b,c,d,e中有3个TensorFlow张量
第7题
A.x = [1, 3, 5, 7, 9] # x是Python列表
B.x = np.array([1, 3, 5, 7, 9] ) # x是NumPy数组
C.x = tf.constant(np.array([1, 3, 5, 7, 9])) # x是NumPy数组
D.x = tf.constant([1, 3, 5, 7, 9]) # x是TensorFlow张量
第8题
A.HashMap是Map接口的实现类
B.ArrayList对象是长度可变的对象引用数组
C.集合框架都包含三大块内容:对外的接口、接口的实现和对集合运算的算法
D.有序的对象
第9题
A.指针指向数组元素时,指针算术运算才有意义
B.两个指针指向同一个数组时,指针相减才有意义
C.指针的算术运算允许通过对指针变量重复自增来访问数组的元素
D.p++就是将指针变量p加上一个字节
第10题
A.一个数组能够存储许多不同类型的值
B.数组的下标可以是float数据类型
C.如果初始化值列表中的个数少于数组的元素的个数,C编译器会自动补齐
D.初始化值列表中的值的个数多于数组元素的个数是错误的
第11题
A.它是跨平台命令行工具,用于转换和优化模型
B.支持流行的框架,例如Caffe、TensorFlow、MXNet、Kaldi 和ONNX等
C.基于统一API,对多硬件类型进行高性能推断
D.对Intel的CPU型号没有要求
为了保护您的账号安全,请在“赏学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!